(1) Karhunen-Loeve-Transform法
研究发现，用于模式识别的输入矢量维数较高时，分类较困难且效果不好;降低维数后，分类效果能得到改善。换言之，为提高识别率、突出信号的特征，首先需去除信号中的干扰或噪声信息。KLT变换的原理如图2所示。由图可以看出，若采用x1-x2坐标系，要进行分类必须同时采用x1、x2坐标;若对此进行正交变换，转移到w1-w2坐标系。则仅需w2坐标即可进行分类。由此可见，经KLT变换，可去除干扰。
(2)脉冲序列分析法——Kohonen网络
该算法为一种无监督的算法(如图3所示)。它的原理是寻找输入向量到输出层欧氏距离最短的节点，以此为输出，并通过自组织算法可以进行自适应分类，区分局部放电信号和干扰信号，从而达到干扰消除和抑制的目的。
(3)脉冲序列分析法
据介绍该法简单有效且识别率较高：它由局部放电间的放电电压差或相位差构成分析序列，由这些特征来区分不同的放电模式和干扰，以达到干扰抑制的目的;此外，还可以进行故障点定位。
六、总结
大量的研究成果表明，随着A/D转换速率的提高、计算机技术的发展，采用宽频带(10k-1000kHz)传感器结合高速采样的变压器局放在线监测系统已成为发展的主流。信号处理已从传统的谱分析发展到可对局放波形进行时域分析。
数字处理技术和人工智能领域中的一些成果已广泛用于在线监测中的干扰抑制，并且有望取得突破性的成果。
为进一步提高抗干扰措施的有效性，应加强对干扰和脉冲的传播规律的研究，这包括在变电站的传播和变压器内部传播的研究，由此可能发现它们在波形、相位和方向等方面特征的差别。
